Question

数据变换是将数据转换成“适当的”格式，以适应挖掘任务及算法的需要。本案例中主要采用的数据变换方式为属性构造和数据标准化。

由于原始数据中并没有直接给出LRFMC五个指标，需要通过原始数据提取这五个指标，具体的计算方式如下。

（1）L＝LOAD_TIME－FFP_DATE

会员入会时间距观测窗口结束的月数＝观测窗口的结束时间－入会时间[单位：月]

（2）R＝LAST_TO_END

客户最近一次乘坐公司飞机距观测窗口结束的月数＝最后一次乘机时间至观察窗口末端时长[单位：月]

（3）F＝FLIGHT_COUNT

客户在观测窗口内乘坐公司飞机的次数＝观测窗口的飞行次数[单位：次]

（4）M＝SEG_KM_SUM

客户在观测时间内在公司累计的飞行里程＝观测窗口的总飞行公里数[单位：公里]

（5）C＝AVG_DISCOUNT

客户在观测时间内乘坐舱位所对应的折扣系数的平均值＝平均折扣率[单位：无]

5个指标的数据提取后，对每个指标数据分布情况进行分析，其数据的取值范围见表7-6。从表中数据可以发现，5个指标的取值范围数据差异较大，为了消除数量级数据带来的影响，需要对数据进行标准化处理。

表7-6　LRFMC指标取值范围

标准差标准化处理的Python代码如代码清单7-3所示，datafile为输入数据文件，zscoredata为标准差标准化后数据集。

代码清单7-3　标准差标准化

#-*- coding: utf-8 -*-
#标准差标准化
import pandas as pd
datafile = '../data/zscoredata.xls' #需要进行标准化的数据文件；
zscoredfile = '../tmp/zscoreddata.xls' #标准差化后的数据存储路径文件；
#标准化处理
data = pd.read_excel(datafile)
data = (data - data.mean(axis = 0))/(data.std(axis = 0)) #简洁的语句实现了标准化变
    换，类似地可以实现任何想要的变换。
data.columns=['Z'+i for i in data.columns] #表头重命名。
data.to_excel(zscoredfile, index = False) #数据写入

代码详见：示例程序/code/zscore_data.py

标准差标准化处理后，形成ZL、ZR、ZF、ZM、ZC 5个属性的数据，如表7-7所示。

表7-7　标准化处理后的数据集

数据详见：示例程序/data/zscoreddata.xls

7.2.4　模型构建

客户价值分析模型构建主要由两个部分构成，第一个部分根据航空公司客户5个指标的数据，对客户进行聚类分群。第二部分结合业务对每个客户群进行特征分析，分析其客户价值，并对每个客户群进行排名。